柔性光电传感与层级注意力网络驱动的果实生长多模态信息融合与精准采收系统

为解决传统方法在果实成熟度评估和早期病害检测中存在的破坏性采样、效率低下等问题，研究人员开发了基于柔性光电原位传感和1DCNN-ATT-BiLSTM-ATT网络的芒果多模态监测系统。该系统集成光谱（410-940 nm）和阻抗（100 Hz-10 kHz）双模检测，通过柔性基底实现果实表面共形贴附，结合深度学习模型达到97.5%的识别准确率，为精准农业提供了创新技术范式。

　　

在热带农业中，芒果产业占据重要地位，但其生产管理长期面临两大技术瓶颈：传统成熟度检测依赖人工感官评估和实验室破坏性采样，难以满足高密度果园的动态监测需求；现有视觉检测方法易受光照条件干扰，且无法感知果实内部生理状态。这些问题常导致采收时机误判和病害扩散，造成严重经济损失。

针对这些行业痛点，中国-黑山科技合作委员会资助项目团队研发了突破性的柔性多模态监测系统。这项发表于《Computers and Electronics in Agriculture》的研究，通过将光谱与阻抗传感技术集成在0.22 mm超薄柔性基底上，实现了对芒果生长周期的全方位"体检"。系统犹如给果实穿戴"智能贴片"，能持续50天无创采集18通道光谱数据和宽频阻抗信号，配合创新的1DCNN-ATT-BiLSTM-ATT神经网络模型，首次将成熟度判别准确率提升至97.5%。

关键技术包括：1）开发柔性双模传感器，覆盖410-940 nm光谱范围和100 Hz-10 kHz阻抗检测；2）构建芒果生长数据库，持续采集50天内的可溶性固形物（SSC）、水分含量（MC）等参数；3）设计层级注意力网络，通过1DCNN提取局部特征，BiLSTM建模时序关系，双重注意力机制实现特征优化。

【柔性多模光电原位传感系统】
研究团队创新地将VIS/NIR光谱与阻抗检测单元集成在柔性聚酰亚胺基底上，传感器可随果实生长保持共形接触。系统包含16个光谱通道和2个阻抗测量电极，通过蓝牙传输数据至移动终端，实现果园环境下的实时监测。

【质量参数与光电信号分析】
50天监测数据显示，SSC呈持续上升趋势，而MC在成熟后期显著下降。特别发现阻抗相位角在1-10 kHz频段对成熟度变化最敏感，其中3 kHz信号与SSC呈现强相关性（r=0.92）。Granger因果分析证实光电信号能提前3-5天预测品质参数变化。

【结论】
该研究突破传统单参数检测局限，通过多模态传感与深度学习协同，建立了果实生长状态的"电-光"双维度感知新方法。系统日均耗能仅0.38 Wh，适用于大规模果园部署。不仅为采收决策提供科学依据，更开创了"柔性电子+农业"的技术范式，相关架构可扩展至其他果蔬作物的精准管理。

讨论部分强调，该系统成功解决了视觉检测受环境干扰、刚性传感器损伤果实等行业难题。通过验证光谱与阻抗信号的互补性，研究为多模态农业传感提供了理论支撑。未来研究将着重提升系统在跨品种、复杂气候条件下的鲁棒性，推动技术向产业化应用迈进。这项由中国学者主导的国际合作研究，标志着精准农业向智能化、非破坏性监测方向的重要突破。